面向帕金森病个性化治疗与用药方案优化的DTx算法数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT05904288

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据说明

条件：帕金森病。本研究旨在基于通过数字移动应用程序和可穿戴传感器从患者处收集的真实世界数据（RWD），开发用于个性化帕金森病治疗和用药方案优化的数字疗法（DTx）算法。研究设计为观察性/非干预性、前瞻性、单臂研究，旨在从可穿戴传感器收集数据，以验证症状检测算法，具体通过以下方式实现：(1) 使用经过验证的临床量表进行的监督下临床运动评估（第3次访视、第4次访视），以及(2) 从可穿戴设备进行的无监督、居家、为期6个月（第3次访视至第4次访视）的数据收集（被动监测），以利用患者报告结局（PROMs）和远程临床评估对算法进行交叉验证。本研究使用的设备将是一款商用智能手表（Garmin Vivosmart 5），用于收集惯性数据，以及一个数字应用程序，受试者将通过该应用程序以数字症状日记的形式报告PROMs。

筛选访视（访视1和访视2）将在入组前进行，通过临床评估、受试者症状日记以及评估对所提供研究工具（即移动应用程序和智能手表）使用的依从性，来验证合格标准。

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。